跟我学习Storm_Storm基本概念

　　首先我们通过一个Storm和Hadoop的对比来了解Storm中的基本概念。

　　接下来我们再来具体看一下这些概念。

• Nimbus：负责资源分配和任务调度。
• Supervisor：负责接受nimbus分配的任务，启动和停止属于自己管理的worker进程。
• Worker：运行具体处理组件逻辑的进程。
• Task：worker中每一个spout/bolt的线程称为一个task。在Storm0.8之后，task不再与物理线程对应，同一个spout/bolt的task可能会共享一个物理线程，该线程称为executor。

　　下面这个图描述了以上几个角色之间的关系。

　　图1.2 Storm角色间关系

• Topology：Storm中运行的一个实时应用程序，因为各个组件间的消息流动形成逻辑上的一个拓扑结构。
• Spout：在一个topology中产生源数据流的组件。通常情况下spout会从外部数据源中读取数据，然后转换为topology内部的源数据。Spout是一个主动的角色，其接口中有个nextTuple()函数，Storm框架会不停地调用此函数，用户只要在其中生成源数据即可。
• Bolt：在一个topology中接受数据然后执行处理的组件。Bolt可以执行过滤、函数操作、合并、写数据库等任何操作。Bolt是一个被动的角色，其接口中有个execute(Tuple input)函数,在接受到消息后会调用此函数，用户可以在其中执行自己想要的操作。
• Tuple：一次消息传递的基本单元。本来应该是一个key-value的map，但是由于各个组件间传递的tuple的字段名称已经事先定义好，所以tuple中只要按序填入各个value就行了，所以就是一个value list.
• Stream：源源不断传递的tuple就组成了stream。

　　Hadoop是实现了MapReduce的思想，将数据切片计算来处理大量的离线数据。Hadoop处理的数据必须是已经存放在hdfs上或者类似hbase的数据库中，所以Hadoop实现的时候是通过移动计算到这些存放数据的机器上来提高效率的；而Storm不同，Storm是一个流计算框架，处理的数据是实时消息队列中的，所以需要我们写好一个topology逻辑放在那，接收进来的数据来处理，所以是通过移动数据平均分配到机器资源来获得高效率。

　　Hadoop的优点是处理数据量大（瓶颈是硬盘和namenode，网络等），分析灵活，可以通过实现dsl，mdx等拼接Hadoop命令或者直接使用hive，pig等来灵活分析数据。适应对大量维度进行组合分析。其缺点就是慢：每次执行前要分发jar包，Hadoop每次map数据超出阙值后会将数据写入本地文件系统，然后在reduce的时候再读进来。

　　Storm的优点是全内存计算，因为内存寻址速度是硬盘的百万倍以上，所以Storm的速度相比较Hadoop非常快（瓶颈是内存，cpu）。其缺点就是不够灵活：必须要先写好topology结构来等数据进来分析。

　　Storm 关注的是数据多次处理一次写入，而 Hadoop 关注的是数据一次写入，多次查询使用。Storm系统运行起来后是持续不断的，而Hadoop往往只是在业务需要时调用数据。